Resumo |
A otimização de processos logísticos pode ter significativo impacto na redução de custos e no aumento da agilidade de entrega de produtos para clientes. Uma das estratégias empregadas para que isso seja possível é a utilização de centros de cross-docking, nos quais as mercadorias são descarregadas de caminhões (jobs) de entrada, recombinadas e transferidas diretamente para caminhões de saída, minimizando ou tornando inexistente o estoque durante o processo. Determinar a melhor ordem de processamento de caminhões em docas (máquinas) de entrada e de saída é, portanto, essencial para que o sistema seja eficaz. O objetivo deste trabalho é propor e avaliar um algoritmo genético capaz de sequenciar a ordem de processamento de caminhões de entrada e saída, de forma a minimizar a diferença entre o tempo de carregamento do último caminhão e o tempo de processamento da primeira operação (makespan) e, consequentemente, otimizar o processo de cross-docking. O algoritmo foi implementado em Python na versão 3.6.3, e os experimentos foram realizados em um computador com processador Intel Core i7 de 2GHz, 8 GB de RAM, 250GB de HD e sistema operacional macOS High Sierra versão 10.13.4. O algoritmo proposto (EACDC) utiliza a heurística PCH para gerar uma solução inicial, a partir da qual é gerada a sequência de caminhões de entrada. A cada geração, partindo das sequências de caminhões de entrada geradas, a sequência de caminhões de saída é construída e o makespan é calculado. O experimento considera um centro de cross-docking com número de docas variando entre 2 e 10. O número de caminhões de entrada varia entre 20 e 80, e o número de caminhões de saída é gerado em função do primeiro estágio. Os resultados gerados pelo algoritmo proposto foram comparados com outras heurísticas presentes na literatura. O EACDC mostrou-se promissor, apresentando resultados superiores ou semelhantes às melhores heurísticas da literatura, sendo uma alternativa viável e competitiva para a solução do problema. |